يعتمد التشخيص المبكر للأمراض الجلدية بشكل كبير على التقسيم الدقيق لمناطق الآفات في صور الجلد بالميكروسكوب. ومع ذلك، عادةً ما تتمتع مناطق الآفات بحدود غير واضحة وأشكال غير منتظمة، بينما تتأثر الصور أيضاً بعوامل مزعجة مثل الشعر والظلال، مما يجعل من الصعب استخراج المعلومات الأساسية بشكل فعال. لتجاوز هذه المشكلات، تم اقتراح شبكة تقسيم الأمراض الجلدية MPUNet. تدمج هذه الشبكة وحدة تعزيز الميزات متعددة المقاييس (MS-Module) ووحدة الانتباه للتركيز (PL-Module). تعمل MS-Module على تعزيز قدرة التعبير عن المعلومات متعددة المعاني واستخراج ميزات مناطق حواف الآفات من خلال إدخال معلومات أسبقية مكانية تمييزية، وتقوم بالتكيف الذاتي للقنوات ودمجها في اتجاهي الارتفاع والعرض؛ بينما تعتمد PL-Module على آلية الانتباه للتركيز لتعزيز استخراج الميزات السياقية العالمية، من خلال تفعيل القنوات ذات الصلة وكبح تأثير عوامل التأثير مثل الشعر والأوعية على أداء التقسيم، في نفس الوقت تخفيف ظاهرة اختفاء التدرجات خلال عملية التدريب. تشير نتائج التجارب على مجموعات بيانات تقسيم الأمراض الجلدية العامة ISIC2018 وISIC2017 وPH2 إلى أن MPUNet تحقق زيادة متوسطة قدرها 1.57 نقطة مئوية في مؤشر mIoU.
درس وو وآخرون (مون ،) هذه المسألة.